DETECÇÃO DE FALHAS ESTRUTURAIS EM UM PORTICO METÁLICO UTILIZANDO A COMPUTAÇÃO INTELIGENTE
Palavras-chave:
Detecção de Falhas, Monitoramento de Integridade Estrutural, Sistema Imunológico ArtificialResumo
O pórtico metálico, é uma das principais composições estruturais de postos de combustíveis, pontes e aranha céus. Todavia, tais estruturas apresentam vulnerabilidade as solicitações ambientais, temporais e antropológicas, gerando desgastes que podem levar essas estruturas ao colapso. Com os avanços tecnológicos da Quarta revolução industrial, houve a transformação da relação do espaço físico e o homem, denominado modelo Ciber Físico Essa evolução tecnológica superou as paredes das Industrias 4.0, e se instaurou também no Ramo civil resolvendo os problemas de insegurança estrutural, reciproco ao pórtico metálico através do Sistema de Monitoramento de Integridade Estrutural
Por isso, este trabalho de pesquisa apresenta uma proposta inovadora para o desenvolvimento de um Sistema de Monitoramento de Integridade Estrutural aplicado para Pórticos Metálicas com a tomada de decisões baseado na Computação Inteligente. Com isto, este trabalho busca não só implementar o Sistema de Monitoramento da Integridade Estrutural para garantir a segurança em pórticos metálicos, mas também otimizar seu funcionamento com tomada de decisões baseada no Sistema Imunológico Artificial, por intermédio do Algoritmo de Seleção Negativa. Observando os resultados, este trabalho provou ser eficiente, robusto e economicamente viável, tendo um alto desempenho, representando a medida perfeita Ciber Fisica no monitoramento Pórticos Metálicos e resolução dos seus problemas estruturais.
Downloads
Referências
Abreu, C. C. E., Chavarette, F. R., Alvarado, F. V., Duarte, M. A. Q., Lima, F. P. A., 2014, Dual-Tree Complex Wavelet Transform Applied to Fault Monitoring and Identification in Aeronautical Structures, International Journal of Pure and Applied Mathematics 97, 89-97. DOI: 10.12732/ijpam. v97i1.9 https://doi.org/10.12732/ijpam.v97i1.9
Atalla, Noureddine e Sgard, Franck. Finite element and boundary methods in structural acoustics and vibration. CRC Press, 2015. https://doi.org/10.1201/b18366
Bradley, D.W. and Tyrrell, A.M. (2002), “Immunotronics – novel finite-state-machine architectures with built-in self-test using self-nonself differentiation”, IEEE Transactions on Evolutionary Computation, Vol. 6 No. 3, pp. 227-238. https://doi.org/10.1109/TEVC.2002.1011538
Chen, Y. and Li, Y. (2018), Computational Intelligence Assisted Design in Industrial Revolution 4.0, CRC Press, Boca Raton, p. 527. https://doi.org/10.1201/9781315153179
Dasgupta, D. and Niño, L.F. (2009), Immunological Computation: Theory and Applications, Taylor and Francis Group, Boca Raton, p. 298. https://doi.org/10.1201/9781420065466
De Castro, L.N. and Timmis, J. (2003), “Artificial immune systems as a novel soft computing paradigm”, Soft Computing Journal, Vol. 7 No. 8, pp. 526-544. https://doi.org/10.1007/s00500-002-0237-z
Deraemaeker, A. and Worden, K. (2010), New Trends in Vibration Based Structural Health Monitoring, SpringerWien, NewYork, p. 311. https://doi.org/10.1007/978-3-7091-0399-9
Dhapekar, N. K.; Chopkar, D. M. Structural health monitoring of ordinary portland cement concrete structures using X-ray diffraction. International Journal of Applied Engineering Research, v. 11, n. 9, p. 6128-6131, 2016.
Farrar, C.R. and Worden, K. (2013), Structural Health Monitoring: A Machine Learning Perspective, John Wiley, Chichester, p. 643. EC. https://doi.org/10.1002/9781118443118
Forrest, S., Perelson, A.S., Allen, L. and Cherukuri, R. (1994), “Self-nonself discrimination in a computer”, Proceeding of the IEEE Symposium on Research in Security and Privacy, Oakland, pp. 202-212. https://doi.org/10.1109/RISP.1994.296580
Gopalakrishnan, S., Ruzzene, M. and Hanagud, S. (2011), Computational Techniques for Structural Health Monitoring, Springer-Verlag, London, p. 517. https://doi.org/10.1007/978-0-85729-284-1
Ilhan, A., Mehmet, K., Ebru, K. and Erhan, A. (2018), “A new fault diagnosis approach for induction motor using negative selection algorithm and its real-time implementation on FPGA”, Journal of Intelligent and Fuzzy Systems, Vol. 34 No. 1, pp. 689-701. https://doi.org/10.3233/JIFS-161964
Lima, F.P.A., Chavarette, F.R., Souza, A.S.E., Souza, S.S.F. and Opes, M.L.M. (2013), “Artificial imune systems with negative selection applied to health monitoring of aeronautical structures”, Advanced Materials Research, Vol. 871, pp. 283-289. https://doi.org/10.4028/www.scientific.net/AMR.871.283
Magruk, A., 2016. Uncertainty in the Sphere of the Industry 4.0–Potential Areas to Research. Business, Management and Education 14(2), 275-291. DOI:10.3846/bme.2016.332. https://doi.org/10.3846/bme.2016.332
Moro, T. C., Chavarette, F. R., Roéfero, L. G. P., & Outa, R. (2019, November). Detection of Structural Failure of a Two Floor Building Using an Artificial Immunological System. In Colloquium Exactarum. ISSN: 2178-8332 (Vol. 11, No. 4, pp. 73-84). https://doi.org/10.5747/ce.2019.v11.n4.e298
Popkova, E.G., Ragulina, Y.V. and Bogoviz, A.V. (2019), Industry 4.0: Industrial Revolution of the 21st Century, Springer International, p. 249. https://doi.org/10.1007/978-3-319-94310-7
Snedecor, G. W., Cochram, W. G., 1989, Statistical Methods, 8rd ed. Iowa: Iowa State University Press.